多源多平台三维点云的全要素语义模型构建

Traditional 3d model is short of the information of object and explicit topology that cannot meet the demand of spatial analysis, attribute access and so on; Most of existing semantic modeling methods are based on a single data source, which makes the geometry, semantic information of model be incomplete that greatly limits its application. Therefore a full feature and semantic reconstruction method based on point clouds of multi-platform is urgently needed. The proposal takes the handy, terrestrial, airborne laser scanning and photogrammetry points as the research data. Build the spatial registration model of multi-platform point clouds based on geometry and topology similarity measure, develop on-demand point cloud selection method based on geometric and visual characteristics, and develop a full feature and topological-kept semantic reconstruction method by combining priori knowledge and topological relationship of structures, overcome the difficulties of data processing caused by the differences between multi-platform point clouds, and recover “complete model” from “discrete point cloud”. This project will generate full feature and “available” semantic models, and provide method support for the applications of urban analysis, position service.

传统三维模型缺少对象、显式的空间拓扑等信息，无法满足空间分析、属性访问等需求；而现有语义建模方法则大多基于单一数据源，致使模型的几何、语义信息不完整，极大限制了其应用范围，因此迫切需要研究多源、多平台三维点云的全要素语义建模方法。本申请以多平台激光点云（手持、地面基站、机载激光点云）和低空摄影测量点云为研究对象，基于几何、拓扑相似测度构建多源点云的空间基准统一模型，兼顾几何与视觉特征研究点云按需选择方法，综合目标结构的先验知识与拓扑关系发展要素完备、关系正确的语义模型构建方法，克服多平台点云间空间基准、数据质量、表达形式等诸多差异带来的数据处理困难，实现从“离散点云”中恢复出“完整模型”的跨越。本项目可获得可视-可用的全要素语义模型，为城市空间分析、位置服务等应用提供方法与数据支持。

全要素的三维语义模型可以提供建筑物对象、显式空间拓扑等信息，对空间分析、属性访问等应用意义重大。构建建筑物全要素语义模型时，其完备的几何、语义信息十分必要，单一的数据源难以满足需求。因此需要采用多源、多平台空间传感器协同作业，提供建筑物全面、高精度的数字描述，但也存在空间基准、数据质量、表达形式等诸多差异，对数据处理提出了挑战。针对上述问题，本项目研究了复杂场景下机载和地面基站点云间的稳健配准，采用局部面片描述局部区域及场景全局趋势特征，构建多站平差模型分配累积误差提高精度；构建了基于概率模型的稳健空间基准统一模型，提出的近似均匀采样方法可有效消除地面点云的密度变化影响，其采用的基于最大似然估计准则的概率框架可实现对点云的稳健拼接；同时项目研究了基于深度神经网络的车载、地面点云配准方法，改进的神经网络可输出更精确的转换参数；多平台点云融合后，项目研究了基于几何显著度的点云多层次表达与选择方法，通过描述邻域点的影响构建各层次点云，并研究新的视觉质量度量选择出符合视觉特征的最佳层次点云；最后，项目研究了基于深度学习网络的建筑物语义结构分割与模型构建，采用了多种深度神经网络提取建筑物语义部件，并采用全局能量模型实现建筑物结构重构及组合，构建出了建筑物全要素语义模型。本申请提出的要素完备语义模型的构建方法，实现了从“离散的点云”中恢复出“完整的三维模型”目标，可为城市空间分析、位置服务提供模型构建技术。